转换模型基于粗糙集的兼容转换模型

5.3 RST转换模型

基于粗糙集的兼容转换模型（简称“RST”模型）,是一种基于统计的相似度度量方法,其前提条件是必须建立并行文献数据库。根据粗糙集基本理论,一个文献数据库可看作一个知识库,其属性就是索引词,对象就是文献。如果一个索引词用来标引一篇文献,其属性值被定义为1,否则为0。因此,每个属性（等价关系）将数据库的所有文献分为两类：类x为所有属性为1的文献,类y为所有属性值为0的文献。在这种情况下,r（Q）可以简化为公式50,r（X）简化为公式51和公式52,其中P_x和Q_x分别为词汇P和Q在语料库中的出现频率。

｜P_x｜通常远远大于｜Q_x｜,公式7近似等于零。P和Q的语义关系可以定义为：

●当P_x＝Q_x,r（P→Q）定义“等同关系”（exact equiva-lence）；

●当,定义“狭义关系”（narrower equiva-lence）；

●当定义“广义关系”（broader equiva-lence）；

毫无疑问,当P和Q为同一数据库的标引词时,上述定义是有效的。当P和Q分别来自两个并行文献数据库时,r（Q）和r（X）则不一定有效。通常情况下,两个并行文献数据库并不是两个等价数据库。

标引深度（exhaustivity）和标引专指度（specificity）是反映一个检索语言特征的重要指标。标引长度定义为一篇文献的标引词数量。标引长度在一定程度上反映了数据库文献的标引深度和标引专指度。如果两个并行文献数据库的标引长度完全相同,我们则称这两个数据库等价,反之则不等价。

如果A和B为两个分别用A′和B′进行标引的并行文献数据库。当进行A和B两个文献数据库的概念集成时,也就是建立语言A′向语言B′的概念兼容转换关系（transfer relations）,系数α定为：

假设,C₁为标引词P在文献数据库A中的出现频率,C₂为标引词Q在文献数据库B中的出现频率,C₃为标引词P和Q在两个数据库中共同出现的频率。

根据α的值,RST模型定义分类下面三种情况：

（1）α＝1

●当C₁≥C₂,且C₃＝C₂时

●当C₁＜C₂,且C₃＝C₁时

●当C₁＞C₃,且C₁＞C₂＞C₃时

（2）α＞1

●当C₁×α≥C₂,且C₃×α≥C₂时

●当C₁×α＜C₂,且C₃＝C₁时

●当（C₃×α＜C₂,且C₁×α≥C₂）,或者（C₁×α＜C₂,且C₃≠C₁）时

（3）α＜1

●当C₃＝C₂,且C₁×α≥C₂时

●当C₁×α＜C₂,且C₃≥C₁

●当（C₃≠C₂,且C₁×α≥C₂）或者（C₁×α＜C₂,且C₃＜C₁×α）

因此,标引词P和Q的语义关系分别定义如下：

●r^1（P→Q）定义“等同关系”或者“狭义关系”；

●r₂（P→Q）定义“广义等同关系”；

●r₃（P→Q）定义“部分等同关系”。